Feldman et al., Certifying and Removing Disparate Impact, ACM SIGKDD 2015

Certifying and Removing Disparate Impact | Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining

訓練データのバイアスを緩和する機械学習手法の提案のひとつ。クラスラベルを修正するのではなくて、各属性の保護属性に関する条件付き分布を合わせ込む。例えば、男子と女子ごとの順位が同じだと同じ点数として扱うようなことをやっていることになる。こうすることで、変換後の属性値から保護属性を予測できないようにする。バイアス除去したデータを使って、任意の機械学習アルゴリズムを使ってモデルを訓練するpre-processing型のバイアス緩和が可能になる。